Maestría en Ingeniería de Sistemas e Informática
Permanent URI for this collection
Browse
Browsing Maestría en Ingeniería de Sistemas e Informática by browse.metadata.advisor "Argüello Fuentes, Henry"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
Item Coded Aperture Design for Compressive Spectral Image Classification Using Deep Learning(Universidad Industrial de Santander, 2022-09-07) Silva Maldonado, Nelson Mauricio; Argüello Fuentes, Henry; Galvis Carreño, Laura Viviana; Díaz Díaz, Nelson Eduardo; Medina Rojas, FerleyLa teoría del sensado compresivo habilita la reconstrucción de imágenes espectrales usando un número menor de observaciones que las dictadas por el enfoque tradicional basado en el teorema de Shannon-Nyquist a través de sistemas de imágenes compresivos (CSI). Estos sistemas CSI se apoyan en un montaje óptico basado en un elemento dispersivo acoplado a una o más aperturas codificadas para capturar y comprimir una escena espectral de manera simultánea. Después, la reconstrucción de la escena subyacente se obtiene a través de algoritmos computacionales. Luego las tareas de procesamiento como clasificación, detección de objetos y segmentación son ejecutadas sobre las imágenes reconstruidas. Sin embargo, este proceso de reconstrucción es costoso desde el punto de vista computacional. La descompresión hace que se requiera más tiempo y recursos para realizar este tipo de tareas . En este trabajo de investigación la clasificación espectral se realiza directamente sobre las medidas comprimidas que se adquirieron a través de una arquitectura óptica que sigue los lineamientos de la teoría de sensado compresivo (CS). Se propone un método de extremo a extremo para la optimización conjunta de las aperturas codificadas y los parámetros del modelo de aprendizaje profundo que se usará para la clasificación. Este enfoque se aplicó a la clasificación de afecciones particulares del limón Tahití (Citrus latifolia), pero puede ser usado para distintos productos agrícolas. Además, con el objetivo de comparar los resultados obtenidos, se encontró que nuestros experimentos mejoraron hasta en un 6\% la precisión en clasificación cuando las aperturas codificadas fueron optimizadas respecto al uso de aperturas aleatorias.Item End-to-End Optimization of a Coded Stereo Imaging System for Depth Estimation(Universidad Industrial de Santander, 2023-02-17) López Durán, Jhon Edinson; Argüello Fuentes, Henry; Meneses Fonseca, Jaime Enrique; Ramírez Rondón, Juan MarcosLa estimación de la profundidad es esencial para la comprensión de escenas, la conducción autónoma, la robótica y otras áreas. Sin embargo, la estimación de la profundidad sigue siendo un reto debido a la pérdida de información 3D durante el proceso de captura de imágenes RGB. A lo largo de los años, se han propuesto diferentes arquitecturas ópticas para capturar las escenas, desde una sola cámara hasta múltiples cámaras con iluminación activa o pasiva. También hay que desarrollar arquitecturas y métodos para la estimación de la profundidad en cualquier entorno. En este sentido, la adquisición de imágenes estereoscópicas es una arquitectura de adquisición eficiente, ya que imita el sistema de visión humano y estima la profundidad mediante estereopsis. Aunque las redes neuronales profundas mejoran el rendimiento de la estimación de la profundidad, sigue habiendo dificultades para predecir la profundidad absoluta y generalizar fuera de un entorno predeterminado. Por ello, recientemente se ha propuesto un enfoque denominado óptica profunda, que diseña elementos ópticos, como máscaras de fase y lentes difractivas, junto con el algoritmo de procesamiento de imágenes de forma integral. Por lo tanto, este trabajo propone utilizar el paradigma de la óptica profunda en la estimación de profundidad estereoscópica mediante el diseño de aperturas codificadas bajo un enfoque de optimización de extremo a extremo. El enfoque profundo propuesto se evalúa utilizando un conjunto de datos de última generación y, además, el método propuesto se valida en una configuración óptica real.